Intégration de mesures de distance entre agents de corrélation inconnue : cas unidimensionnel - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Intégration de mesures de distance entre agents de corrélation inconnue : cas unidimensionnel

Résumé

Ce papier porte sur le positionnement collaboratif par mesures de distance inter-agents. Nous définissons et étudions le filtre linéaire optimal pour des mesures de distance entre agents évoluant sur une droite et dont les corrélations entre les estimateurs ne sont pas connues. Ce filtre adopte une approche minimax : il minimise l'erreur quadratique pour la pire corrélation possible. Son étude montre que dans certains cas, il vaut mieux ne pas utiliser les mesures.
Fichier principal
Vignette du fichier
article.pdf (113.08 Ko) Télécharger le fichier
fig/simulation_Consistent.pgf (73.11 Ko) Télécharger le fichier
fig/simulation_Kalman.pgf (73.11 Ko) Télécharger le fichier
fig/simulation_Naive.pgf (73.11 Ko) Télécharger le fichier
fig_illustration_theoreme.tex (0 B) Télécharger le fichier
gretsi.cls (6.9 Ko) Télécharger le fichier
header.tex (4.5 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04381665 , version 1 (11-01-2024)

Identifiants

  • HAL Id : hal-04381665 , version 1

Citer

Colin Cros, Pierre-Olivier Amblard, Christophe Prieur, Jean-François Da Rocha. Intégration de mesures de distance entre agents de corrélation inconnue : cas unidimensionnel. GRETSI 2023 - XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨hal-04381665⟩
10 Consultations
4 Téléchargements

Partager

Gmail Facebook X LinkedIn More